胆汁淤积性肝病生物样本库
研究周期性采集血液、唾液、粪便和尿液样本，并在临床必要的 ERCP 操作中采集胆汁和胆管细胞，同时收集临床数据。预期研究聚焦于生物样本的多组学评估，以更好理解疾病的发生与进展，并开发用于早期检测的新型检测方法
基本信息
资源简介
胆汁淤积性肝病生物样本库
该生物样本库来自 clinicaltrials.gov，面向胆汁淤积性肝病研究，涵盖 Primary Sclerosing Cholangitis、Primary Biliary Cirrhosis、Cholangiocarcinoma 和 Liver Cancer 等病种。研究周期性采集血液、唾液、粪便和尿液样本，并在临床必要的 ERCP 操作中采集胆汁和胆管细胞，同时收集临床数据。预期研究聚焦于生物样本的多组学评估，以更好理解疾病的发生与进展，并开发用于早期检测的新型检测方法。可用于胆汁淤积性肝病的机制探索、标志物发现与早期检测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Primary Sclerosing Cholangitis、Primary Biliary Cirrhosis、Cholangiocarcinoma、Liver Cancer。本研究是一个标本和临床数据的生物样本库，用于当前和未来的研究，以更好地理解胆汁淤积性肝病 primary biliary cirrhosis/cholangitis (PBC) 和 primary sclerosing cholangitis (PSC)。将在患者就诊期间、邮寄到家试剂盒（在当地采集）或通过受试者指定地点的远程静脉采血，定期采集血液、唾液、粪便和尿液样本。胆汁和胆管细胞将在 Mayo Clinic 因临床原因进行的临床必要内镜逆行胰胆管造影 (ERCP) 操作期间采集。预期研究将聚焦于生物标本的多组学评估，以更好地界定这些疾病如何发生和进展，从而开发用于早期检测的新型检测方法。
【主题与分类】
主题标签：Primary Sclerosing Cholangitis、Primary Biliary Cirrhosis、Cholangiocarcinoma、Liver Cancer。本站分类：肿瘤/肝癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03445585
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT03445585
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病：原发性硬化性胆管炎、原发性胆汁性肝硬化、胆管癌、肝癌。本研究是一个标本和临床数据的生物样本库，用于当前和未来的研究，以更好地了解胆汁淤积性肝病原发性胆汁性肝硬化/胆管炎（PBC）和原发性硬化性胆管炎（PSC）。将在患者就诊期间定期采集血液、唾液、粪便和尿液样本，或通过邮寄到家采集套件（在当地采集），或由受试者指定地点通过远程采血采集。胆汁和胆管细胞将在Mayo Clinic因临床原因进行的内镜逆行胰胆管造影（ERCP）操作期间采集。预期研究将侧重于生物标本的多组学评估，以更好地界定这些疾病如何发生和进展，从而开发用于早期发现并发症和更好地预测疾病预后的新型检测方法。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
